大会名称 |
---|
2020年 総合大会 |
大会コ-ド |
2020G |
開催年 |
2020 |
発行日 |
2020-03-03 |
セッション番号 |
D-12B |
セッション名 |
パターン認識・メディア理解B |
講演日 |
2020/3/18 |
講演場所(会議室等) |
工学部 講義棟2F 218講義室 |
講演番号 |
D-12-39 |
タイトル |
GANsにおけるバッチサイズ変更の影響の調査 |
著者名 |
◎綱島秀樹, 片岡裕雄, 陳 キュウ, |
キーワード |
敵対的生成ネットワーク, GANs |
抄録 |
近年、深層学習は画像認識や画像生成などで目覚ましい成果を上げ、注目されている。画像生成モデルの1つであるGANs (Generative Adversarial Nets:敵対的生成モデル)においてはバッチサイズの増加によって性能が向上することが知られている。この結果は特定のデータにのみしか適用されておらず、GANsのバッチサイズ変更による性能の影響については深く調査されていない。そこで、本論文では画像サイズと画像枚数が異なる2つのデータセットを用いてGANsのバッチサイズ変更による性能への影響を調査を行い、画像サイズが小さくデータ量が少ない場合にはバッチサイズは小さく、画像サイズが大きくデータ量が大きい場合にはバッチサイズが大きいほど性能が向上することが分かった。 |
本文pdf |
PDF download
|